软件导刊

 

ISSN:1672-7800

CN:42-1671/TP

主管单位:湖北省科学技术厅

主办单位:湖北省科技信息研究院

主编:陈学东

出版周期:月刊

电话:027-87891823

官网:www.rjdk.org.cn

邮箱:softwareguide@163.com

地址:湖北武汉洪山路2号湖北科教

大厦D座5楼

 

 

  • 最新文章
  • 封面文章
  • 高被引论文
  • 网络首发
  • 过刊浏览
更多
Volume 25 期 9,2026 2026年第25卷第9期
  • 专题:大数据与人工智能的场景驱动与产业落地

    李明磊, 刘文平

    DOI:10.11907/rjdk.261376
    摘要:传统网络信息演化模型高度依赖数学方程,缺乏语义处理能力,难以有效刻画个体在面对失真信息时的认知异质性和动态决策。为此,设计一种基于大语言模型多智能体仿真的失真信息演化模拟系统。首先,利用真实交互数据集构建有向图拓扑,并生成多维异质用户的画像;其次,设计SocialAgent类,利用离散时间步对“感知—推理—决策”过程进行异步串行调度;同时,依托思维链和提示词工程,赋予智能体文本理解和逻辑博弈能力。实验结果表明,该系统能准确模拟失真信息的演化过程,拟合准确率(均方根误差)较传统SIR 模型提升31.5%。干预推演实验证实了及早干预的重要性,在第3个时间步进行及时干预可使感染规模的绝对值下降36.7%。该系统能准确地对社交网络中失真信息的演化过程进行仿真,为该类信息的治理提供了有效推演工具。  
    关键词:大语言模型;多智能体仿真;失真信息;演化建模;社交网络   
    50
    |
    7
    |
    0
    <HTML>
    <网络PDF><WORD><Enhanced-PDF><Meta-XML>
    <引用本文> <批量引用> 172795135 false
    更新时间:2026-09-28

    董梦然, 李树桐, 牟江涛

    DOI:10.11907/rjdk.261195
    摘要:随着人工智能和电力市场的持续变化与发展,准确预测电价和识别交易风险对电力行业的决策者和参与者至关重要。深度学习(DL)作为AI的前沿技术,在解决复杂且时间敏感的电价预测问题方面展现出巨大潜力。针对电力市场中对电价预测精度与交易风险识别能力的现实需求,设计一种基于多源监管数据的绿电绿证协同运行智能评估模型,以提升市场监管的智能化水平。首先,采用基于轻量级梯度提升机(LightGBM)的独立循环神经网络(IndRNN)模型实现日前电价预测;其次,采用基于信息熵的联邦学习(FL)异常交易行为识别模型,识别电力市场中的违规行为;最后,使用多层感知器神经网络(MLP)实现风险预警,为电力市场运行的评估和预警提供参考。仿真结果表明,该模型能够有效提高电价预测精度,准确识别异常交易行为,为监管机构提供动态化、智能化的监管工具。  
    关键词:多源监管数据;绿电绿证;协同运行;智能评估模型;人工智能   
    30
    |
    4
    |
    0
    <HTML>
    <网络PDF><WORD><Enhanced-PDF><Meta-XML>
    <引用本文> <批量引用> 172795291 false
    更新时间:2026-09-28

    黄云松, 龚津南, 罗程, 段明君, 许开航

    DOI:10.11907/rjdk.261286
    摘要:动态面部表情识别(DFER)在心理评估和医学辅助诊断等场景中具有重要价值,现有视频表情识别方法多依赖图像进行训练,对动作单元(AU)等面部肌肉动作在像素空间中的外观表征进行间接建模,易受身份外观、光照、背景等非表情因素干扰。相较而言,通过AU对面部局部肌肉运动进行显式刻画,能更直接、可解释地揭示具体动作与情绪之间的对应关系,可在一定程度上削弱上述伪相关信息的干扰。为此,提出一种基于AU进行DFER的扩展型长短期记忆网络(MA-X)。首先,使用标准AU序列作为唯一输入,通过多尺度时间卷积块对不同时间跨度的AU进行建模;其次,通过一个面向AU组合通道与时间帧动态的双分支重校准适配器,对AU序列特征进行调整,突出关键AU组合及其在时间上的瞬时变化;最后,使用扩展型长短期记忆网络(xLSTM)对全局依赖关系进行编码,以完成表情分类。在MEAD数据集上的实验表明,相较于多个基线而言,MA-X在准确性方面优势显著,保留了可解释的输出,为可解释的AU序列实现DFER提供了一种结构化的设计方法。  
    关键词:动作单元;动态面部表情识别;多尺度时间卷积;xLSTM模型   
    27
    |
    6
    |
    0
    <HTML>
    <网络PDF><WORD><Enhanced-PDF><Meta-XML>
    <引用本文> <批量引用> 172795287 false
    更新时间:2026-09-30

    赖荣煊, 邹力, 王振义, 吕现伟

    DOI:10.11907/rjdk.261332
    摘要:随着生成式人工智能技术快速发展,大语言模型在军事人力资源管理领域的政策问答应用中展现出巨大潜力。当前,针对军事人力资源政策问答场景的大模型评测研究尚处于起步阶段,缺乏系统性的评测体系构建方法与实践指导。为此,围绕面向政策问答的军事人力资源大模型应用评测问题,系统构建了涵盖政策语义理解能力、政策知识综合运用能力、回答准确性、回答一致性与安全合规性五大维度的军事人力资源政策问答评测体系,提出一种基于多策略提示工程的评测数据生成与演化方法。首先,实现了评测数据从静态生成到动态演化的跨越;其次,建设了一套覆盖多政策领域、多问题类型、多难度级别的军事人力资源政策问答评测数据集;再次,形成了一套人在环路的评测数据审核溯源机制,有效提升了评测数据的覆盖度与质量;最后,为实现被测应用后续迭代升级的针对性,设计了一套包含评测背景、评测方法、评测结果、结果分析、根因分析与处置方案的完整报告框架,为评测提供可靠的归因路径,有力支撑了被测应用进一步迭代升级。实验表明,所提方法为军事人力资源领域大模型应用的科学评测提供了理论支撑与实践指南,对推动生成式人工智能技术在军事人力资源管理中的规范化应用具有重要意义。  
    关键词:大语言模型;军事人力资源;政策问答;评测体系;评测数据建设;生成式人工智能   
    12
    |
    3
    |
    0
    <HTML>
    <网络PDF><WORD><Enhanced-PDF><Meta-XML>
    <引用本文> <批量引用> 172795268 false
    更新时间:2026-09-28
查看更多
  • 专题专栏
更多
0